基于长时序遥感的京津冀森林物候特征分析

张王宽，孙永华*，成星露，王一涵，王衍昭，曹许悦

(1. 首都师范大学 水资源安全北京实验室，北京 100048；2.首都师范大学 资源环境与旅游学院，北京 100048；3.首都师范大学 城市环境过程与数字模拟国家重点实验室培育基地，北京 100048；4.教育部三维信息获取与应用重点实验室，北京 100048)

0 引言

植被物候包括发芽、叶片膨胀、开花、叶片变色和落叶,是指受环境因素和人类活动影响的一年生自然现象[1]。植被物候与植被本身的生存和繁殖密切相关,对维持物种群落的生态多样性具有关键作用[2]。植被物候作为气候变化的重要指标,能够影响陆地和大气之间的碳和水的交换,对于指导农事以及安排农业生产等活动具有重要意义[3]。近50年来,全球气候变化剧烈,由于植被物候能够有效提供关于全球气候变化以及气候变化引起的植被周期变化的相关信息,研究者们开始关注气候驱动和植被物候反应之间的关系[4]。

目前,植被物候监测方法主要分为人工监测和遥感监测2种。人工监测依赖于人工野外观察并且记录单株植物的物候信息,虽然操作简单但是需要耗费大量的人力和物力,同时难以实现大面积长期监测,而遥感监测能够有效克服这些问题,并且实现对植被物候观测的对象从单株植物到区域的植被生态系统,进一步加强人们对于生物圈和大气圈之间相互作用机制的认识,更加全面地了解全球变化和陆地生态系统之间的关系,有效弥补了传统人工检测的不足。目前已经有大量学者通过遥感监测的方式进行大范围植被物候变化研究。如王莹莹等[5]利用MODIS数据提取中国温带地区植被物候,研究物候变化对总初级生产力的影响;丛楠等[6]利用归一化差值指数反演北半球中高纬地区植被春季物候开始日期,并进一步探讨植被物候变化的气候驱动因素;邓晨晖等[7]通过遥感数据反演秦岭山地植被物候变化时空特征和南北差异,进一步揭示了不同类型植被在不同海拔地区物候变化规律。国外学者[8]通过遥感方式对大面积农业区域植被物候进行反演,解释了耕地种植物对气候变化的响应方式。

京津冀地区是我国北方重要的经济中心,随着京津冀地区一体化进程加快, 地区生态环境建设越来越重要。在全球气候变暖背景下,研究京津冀地区森林物候变化以及对气候变化相应方式能够对京津冀地区的生态环境保护、生态安全评价和如何应对气候变化提供有效决策。因此,本文研究的主要目标是:① 分析2002—2020年期间京津冀地区森林物候变化的时空特征;② 研究京津冀地区森林在不同地貌和海拔的物候变化规律;③ 探讨影响京津冀地区森林物候变化的关键因素。

1 研究区和数据来源

1.1 研究区域

京津冀地区位于中国华北平原北部(113°04′E～119°53′E,36°01′N～42°37′N),整个区域的总面积约为21.7万km2,拥有大约11 307.4万常住人口。京津冀地区主要包括北京市、天津市和河北省,区域内海拔在3 000 m以下,地形起伏较大,西北部地区地貌以山地为主,东南地区则大多数为平原,呈现出西北高、东南低的空间分布格局。由于受到半湿润干旱大陆性气候的影响,夏季高温多雨,冬季寒冷干燥。年平均降水累积量为400～800 mm,平均气温为12 ℃。西北部地区土地利用类型主要以林地和草地为主,东南部则以耕地为主。

1.2 数据来源

研究使用MODIS13Q1 V6产品作为监测遥感物候变化的数据源,该产品的空间分辨率为250 m,周期为16 d,全年划分为23个时段。该数据集包括2个植被指数:归一化差异植被指数(NDVI)和增强植被指数(EVI),实验选取2002—2020年NDVI提取京津冀地区森林物候特征。

研究使用了2005—2020年的土地利用数据集,该数据来自于GLC_FCS30,时间分辨率为5年,空间分辨率为30 m,共包括29种土地利用类型[9]。实验把数据集中常绿阔叶林、常绿针叶林等土地利用类型合并为森林。为了消除土地利用类型变化对森林物候特征提取结果造成的影响,以及其他类型植被的影响,实验选取2005—2020年间具有相同类别的森林像元,利用重分类后的数据对获取的MODIS13Q1 V6产品进行掩膜处理,以提取研究区林地NDVI。

研究使用的气候数据包括降水量和气温数据。气温数据来自ERA5_LAND数据集,该数据集的空间分辨率为0.1°,时间分辨率为1个月[10]。降水数据使用TERRACLIMATE,因为该降水产品具有更高的空间分辨率(4 638.3 m),且已经被验证能够更好地反映中国区域的干湿状况和变化特征,适用性更强,其时间分辨率为1个月[11-12]。地貌数据来自于资源环境科学中心与数据中心的中国100万地貌类型空间分布数据。高程数据来源于NASA的STRM,空间分辨率为90 m。

2 研究方法

2.1 时间序列数据的预处理

(1)

式中:Yj为重建后的NDVI时序数据,Yj+i为原始的NDVI时序数据,Ci为滤波系数,N为滑动窗口。

2.2 植被物候期提取

目前,植被物候指标提取的方法主要可分为阈值法、曲线特征法和数学分析法三大类[14]。其中,阈值法利用植被指数到达某一阈值时的日期作为植被物候期;曲线特征法通过数据曲线变化特征来提取植被物候期;数学分析法采用数学模型来提取植被物候。研究以生长季开始(the Start of Growing Season, SOS)、生长季结束(the End of Growing Season, EOS)以及生长季长度(the Length of Growing Season, LOS)作为植被物候特征的识别指标。用儒略历(Julian calendar)计算法对植被的物候期进行统计分析。与其他物候特征提取方法相比,动态阈值法更适用于提取具有显著不同物候参数的大尺度区域中的植被物候特征,因此,实验采用动态阈值法提取植被物候参数[15]。动态阈值法公式如下:

NDVIthr=(NDVImax-NDVImin)×C,

(2)

式中:NDVIthr为阈值,NDVImax为上升阶段的最大值,NDVImin为递减阶段最小值,C为系数。根据相关研究,SOS和EOS的系数均设置为20%,LOS则为EOS与SOS之间的日期差值[16-17]。

2.3 植被物候特征趋势分析

研究采用Theil-Sen斜率估计法计算京津冀地区2002—2020年的森林物候变化趋势,结合Mann-Kendall(M-K)趋势检验法对变化趋势进行显著性检验。Theil-Sen斜率估计法与M-K趋势检验相结合已广泛应用于植被长时间序列分析[18-19]。与线性回归分析的方法相比,Theil-Sen斜率估计法不需要遵循特定的分布,可以有效避免异常数据的影响[20]。因此,选用该方法来计算植被的物候变化趋势。Theil-Sen斜率估计法计算如下:

(3)

式中:β为植被物候变化趋势,xi、xj分别为第i年和第j年的物候特征值。M-K检验是一种单调趋势的非参数方法,用于评估物候趋势的显着性,公式如下:

(4)

2.4 相关性分析

通过参考相关学者的研究结果,分别选取植被的SOS和EOS前8个月的气温和降水量作为气候因子,采用斯皮尔曼秩相关分析法来研究不同类型植被物候变化的驱动力。具体而言:① 评价了前一年7—12月、当年1—2月气温和降水量与SOS的相关性;② 评价了当年2—9月的气温和降水量与EOS的相关性。计算如下:

通过对加强临床检验质量控制的研究,我们可以发现,该项工作理想效果的取得,有赖于对其多项影响因素与关键环节的充分掌控,有关人员应该从客观实际出发,充分利用既有优势资源与条件,研究制定最为符合实际的临床检验实施方案。

(5)

式中:xt为第t年的气候数据,yt为第t年的物候参数。按|r|大小划分为:不相关(0<|r|<0.2)、弱相关(0.2<|r|<0.4)、中等相关(0.4<|r|<0.6)和强相关(|r|>0.6)。采用t检验物候参数和气候因子相关性的显著性。

3 结果

3.1 植物物候多年均值的空间分布特征

根据中国生态系统研究网络植被物候观测数据集以及相关学者提供的观测资料和研究成果,通过北京站点的木本植被物候观测数据确定森林SOS为第74～149 d,EOS为第213～311 d[21-22]。研究提取森林SOS为第68～157 d,EOS为第226～305 d,与上述验证数据基本一致。

根据京津冀地区物候特征多年计算结果可知,京津冀地区森林物候自南向北随纬度而变化,但是由于不同区域的地形和气候差异,森林物候特征表现出明显的空间差异性。研究区内森林的SOS、EOS和LOS分别呈现明显的从南往北逐渐推迟、提前和缩短的纬向空间分布特征。纬度每上升1°,SOS约推迟2.25 d,EOS提前2.1 d,LOS缩短4.35 d。

全区森林SOS主要发生在89～113DOY,平均为100DOY。但是,在北京的北部和河北南部地势较为平缓地区的森林SOS早于90DOY,约占6.7%的森林总面积;而在河北北部纬度和地势较高地区的森林SOS则晚于110DOY,约占9%的森林总面积。区域内森林EOS主要发生在254～273DOY,平均为262DOY。其中,森林SOS晚于 250DOY发生的区域与森林SOS早于90DOY的区域基本一致。全区森林LOS集中在143～182 d,平均为162 d,明显呈现出西北短、东南长的空间特征。少部分森林LOS小于145 d发生在纬度和海拔较高的山区,约占森林总面积7.5%。

3.2 森林物候年际变化特征

图1是京津冀地区森林物候参数年际变化时间特征。2002—2020年间,全区森林SOS呈现提前趋势,平均速率为-4.5 d/10 a;EOS呈现延迟趋势,平均速率为4.2 d/10 a;LOS呈现延长趋势,平均速率为8.7 d/10 a。

京津冀地区在2002—2020年间森林物候年际变化存在明显的空间分布特征。其中,全区森林SOS变化趋势以提前为主,占森林总面积89%,大部分区域森林SOS提前3～6 d/10 a和0～3 d/10 a,分别占35%和30%。经过显著性检验分析,森林SOS变化趋势达到显著性区域仅占13%。其中,显著提前趋势占12.6%(α<0.05,下同),主要位于北京和河北的平原和山地区域;显著推迟趋势仅占0.4%,且集中在海拔较高的地区。

全区森林EOS变化趋势以推迟为主,占90%。其中,以推迟2～4 d/10 a的为主,占31%,其次为推迟4～6 d/10 a,占25%。森林EOS变化趋势达到显著性的区域占20%,发生区域与SOS显著提前趋势相似,且以显著推迟为主。

LOS变化趋势以延长为主,占总面积93.3%,大部分区域延长5～10 d/10 a,占40%。LOS具有显著变化趋势的区域占37%,且基本为显著延长。LOS显著延长发生区域与SOS显著提或EOS显著推迟区域相似,还有小部分发生在丘陵地区。

3.3 森林物候在不同地貌和沿海拔梯度变化特征

京津冀地区地貌以平原和山地为主。图2展示了不同地貌森林物候参数年际变化特征。由图2可以看出,近19年来,京津冀地区不同地貌森林物候变化趋势基本一致。森林SOS在不同地貌区域均呈现提前趋势,年际变化率最快的是平原地区(6 d/10 a),其他地貌依次为丘陵(5.6 d/10 a)、台地(3.5 d/10 a)和山地(3.4 d/10 a)。EOS在所有地貌均呈现显著延迟趋势,其中平原和丘陵地区年际变化率均是4.2 d/10 a,其次为台地(4.1 d/10 a)和山地(4 d/10 a)。LOS在所有地貌均呈现延长趋势,年际变化变化率依次为平原(9.8 d/10 a)、丘陵(9.1 d/10 a)、台地(6.7 d/10 a)和山地(6.3 d/10 a)。这表明,2002—2020年间京津冀地区平原地区森林物候变化幅度比其他地貌更大。

(b)不同地貌EOS年际变化特征

(c)不同地貌LOS年际变化特征

京津冀地区森林物候参数随海拔升高呈现明显的规律性变化,如图3所示。随着海拔的升高,SOS、EOS和LOS分别呈现显著的推迟、提前和缩短趋势。海拔每上升100 m,SOS推迟0.8 d,EOS提前0.8 d,LOS缩短1.6 d。同时,3个物候参数在海拔小于500 m,以及海拔大于2 300 m的地区随海拔变化规律性并不明显,这可能是因为海拔低的区域受城市热岛效应影响,而海拔高的区域气温常年较低且多强风,气候变化不稳定。

(a)森林SOS多年均值与海拔关系

(b)森林EOS多年均值与海拔关系

(c)森林LOS多年均值与海拔关系

3.4 森林物候变化与季前气候因子的相关性分析

森林SOS受到不同季前气候因子的影响具有明显的差异性,如图4(a)所示。可以看出,SOS主要受到当年1、2月以及前一年12月的温度的影响,三者与SOS相关系数分别为-0.61、-0.62、-0.57。同时,前一年11、12月以及当年1、2月的降水量对SOS也有一定的影响,相关系数分别为-0.43、-0.45、-0.42、-0.48。上述结果表明,该地区内的植被SOS容易受到季前3月内的温度和降水的影响,该时间段内温度升高和降水增多均容易引起植被SOS的提前。

森林EOS受到季前气候因子影响也不尽相同,如图4(b)所示。EOS主要受到8月和9月气温影响,相关系数分别为0.71和0.74,7月气温(相关系数0.45)也有一定影响。除此之外,夏季(7—8月)的降雨量对EOS有明显的影响,相关系数分别为0.73和0.69,9月降雨量(相关系数0.48)影响较弱。上述结果表明,该地区植被EOS的变化主要受到夏季(7—8月)和9月气温和降水影响,该时间段内温度的升高和降水增多均容易导致EOS的延迟。

(a)森林SOS与季前气候因子相关性

(b)森林EOS与季前气候因子相关性

4 讨论

2002—2020年间京津冀区域SOS提前、EOS延迟和LOS延长,这与全球大环境背景下SOS、EOS和LOS的变化趋势是一致的,与该地区内的气候因素和大环境下的气候因素对于植被物候变化影响方式有关[23]。同时,全球尺度下,SOS、EOS和LOS的年际变化率分别为3 d/10 a、0.5 d/10 a和3.8 d/10 a,三者年际变化率均比研究区内的森林物候参数年际变化率要小,这表明京津冀地区的森林相比全球背景下的植被在2002—2020年间受到气候因素的影响程度较大,物候变化幅度也较大[23]。

与其他研究结果一致,季前温度是影响植被物候的主要因素之一[24-25]。但是,研究结果表明,在京津冀地区,季前降水对于植被物候变化同样起着重要的作用。这是由于降水对于植物物候期的影响在热带和干旱地区更明显,而北方地区降水量少,干旱会导致植物物候期延迟,因此当干旱发生时,植物无法利用光、热等条件,进而导致降水成为植物物候的重要因素[26]。此外,由于不同区域内不同植被对于降水的需求的不同,在南方降水较多区域,植被在潮湿条件下可以茁壮成长发育;而北方地区植被较为耐旱[27]。因此,无论降水量或多或少都会对植被SOS和EOS产生影响。这些结果均表明,物候变化对于气候变化的响应是复杂,影响物候变化的因素因地区而异,且控制植被物候的气候因素在不同地区也不尽相同。

研究综合利用土地利用数据、DEM数据等,分析了2002—2020年京津冀地区森林物候的时空变化特征和驱动因素。研究仍然存在一些问题,气候因素,包括气温、降水和日照时长等均可以用来解释植被物候的变化,其中降水和温度被广泛认为对物候变化起关键作用[28]。因此,研究仅对降水和温度对研究区内森林物候的影响进行了分析。但实际上,除了自然因素外,人为因素也对植被物候变化产生一定的影响,例如由于城市化引起的人口密度增加、二氧化碳浓度上升以及城市热岛效应等[29]。因此,除了自然因素外,在后续的工作中将进一步关注在全球变化背景下,植被物候对自然环境变化和人类活动的综合响应,研究城市化进程包括城市空间扩张、人口变化等因素对城市周围植被物候的影响机制。

5 结论

① 京津冀地区森林物候具有明显的纬向分布特征,主要表现为随纬度每上升1°,SOS、EOS和LOS分别推迟2.25 d、提前2.1 d和缩短4.35 d。研究区森林SOS集中在3月下旬—4月下旬(89～113DOY,平均为第100DOY);EOS则集中在9月(254～273DOY,平均为第262DOY);LOS集中在143～182DOY,平均为162 d。

② 2002—2020年间,京津冀森林物候变化趋势具有明显的空间分布特征。时间上,全区平均SOS呈现提前趋势,年际变化速率为-4.5 d/10 a;EOS呈现推迟趋势,年际变化速率为4.2 d/10 a;LOS呈现延长趋势,年际变化速率为8.7 d/10 a。空间上, SOS提前区域占全区89%,EOS延迟区域占90%,LOS延长区域占93.3%。

③ 随海拔上升,森林物候变化呈现明显的规律性。海拔每上升100 m,SOS、EOS和LOS分别推迟0.8 d、提前0.8 d和缩短1.6 d。森林在海拔较低的平原地区比在其他地貌区域变化得更加明显。

④ 通过斯皮尔曼秩相关分析,结果表明京津冀地区森林物候受季前温度影响明显,同时也受到季前降水变化影响。SOS提前主要受到冬季(12—次年2月)温度升高的影响,同期降水增多对SOS提前也有一定促进作用;EOS延迟主要是由于7—9月气温上升,以及同期降水增多引起。